TypeSafe AI משיקה את Jev: מודל AI שלא מדבר עם בני אדם, אלא מקבל החלטות עבור תוכנה

הסטארטאפ TypeSafe AI הכריז ביום שלישי על השקת Jev, מודל AI מסוג חדש שאינו מיועד לשיחה עם בני אדם אלא לעבודה מול תוכנה. במקום להחזיר טקסט בשפה טבעית בתגובה לפרומפט, Jev מחזיר "החלטות הסתברותיות מטופסות" (typed probabilistic decisions) — ערכים מובנים בעלי טיפוס נתונים מוגדר מראש, שתוכנות ומודלי AI אחרים יכולים לצרוך ישירות. החברה, שגייסה 40 מיליון דולר, הכריזה במקביל על עצמה כיצרנית של "מודלי חזית" (frontier models), כך מדווח The Register.

מודל שמחזיר טבלה במקום פסקה

הרעיון שאול מעולם התכנות: "בטיחות טיפוסים" (type safety) היא שיטה לתפוס שגיאות שנוצרות כשתוכנה מקבלת סוג נתונים לא צפוי, למשל ניסיון לחלק מספר במחרוזת טקסט. כשמודל שפה רגיל מחזיר טקסט חופשי, המפתח נאלץ לפרסר אותו ולוודא שהוא תקין לפני שאפשר להשתמש בו. Jev מדלג על השלב הזה ומחזיר מלכתחילה ערכים מובנים.

בפועל, המפתח מתחיל מ"מצב" (state) — אובייקט JSON או אפילו מחרוזת פשוטה כמו "הכרטיס שלי חויב פעמיים". המודל נשאל עליו באמצעות שלושה "פרימיטיבים של שאלות": Choice, Score ו-Noul, שכל אחד מהם מחזיר סוג אחר של תשובה מובנית עם הסתברויות. לפי הדוגמה שמביא The Register, שאלה איזו משלוש מחלקות צריכה לטפל בפנייה של לקוח עשויה להחזיר את התוצאה {"billing": 0.08, "technical": 0.85, "sales": 0.07} עם ציון ביטחון של 0.82. לאדם שמחפש תשובה זה לא מועיל במיוחד, אבל למפתח שרוצה שמערכת שירות לקוחות תרוץ בצורה אמינה יותר — זה בדיוק מה שצריך.

לצורך ההדגמה, החברה הראתה ש-Jev מסוגל לשחק Doom כשמזינים לו נתונים מובנים על מצב המשחק. השימוש הסביר יותר, לפי הדיווח, הוא מיון פניות של שירות לקוחות ותהליכי עבודה עסקיים אחרים.

מי עומד מאחורי זה

המנכ"ל והמייסד-השותף, דיוגו אלמיידה (Diogo Almeida), הוא חוקר לשעבר ב-OpenAI ואחד השותפים להמצאת RLHF — שיטת האימון באמצעות משוב אנושי שעומדת בבסיס ChatGPT. "TypeSafe הוקמה כדי ללכת בנתיב חלופי במחקר AI, כזה שמתמקד ב-AI ילידי-מכונה", אמר אלמיידה בהודעה. "ביליתי שנים בעבודה על מודלים שנועדו לשפר את האינטראקציה של AI עם אנשים. אבל אם AI עתיד לשנות מן היסוד את אופן ביצוע העבודה, אנשים לא יכולים להיות הצרכנים היחידים של אינטליגנציה".

Jev מוגדר כמודל מסוג "System One", ומבוסס על ארכיטקטורה שהחברה מכנה RLCD — למידת חיזוק להחלטות מכוילות (Reinforcement Learning for Calibrated Decisions).

מהירות ומחיר: הטענות של החברה

היתרון המרכזי ש-TypeSafe מציגה הוא יעילות. לדברי החברה, זמני התגובה של LLM רגילים משתנים ועלולים להימשך דקות, בעוד Jev מגיב בטווח של 70 עד 500 מילי-שניות — לטענתה פי 40 עד פי 200 מהר יותר. ההסבר: מודלי שפה כמו GPT-5.6 Terra של OpenAI חוזים את הטוקן הבא ברצף ולכן פועלים באופן סדרתי, ואילו ארכיטקטורת System One מחזירה את כל הפלטים בבת אחת. בהדגמה שפורסמה באתר החברה, Jev החזיר תשובה תוך 0.114 שניות לעומת 8.566 שניות ל-GPT-5.6 Terra.

גם התמחור שונה מהותית: Jev גובה 0.042 דולר למיליון טוקני קלט ואפס דולר על פלט, לעומת 2 דולר למיליון טוקני קלט ו-12 דולר למיליון טוקני פלט ב-GPT-5.6 Terra, לפי The Register. חשוב לזכור שכל הנתונים הללו הם טענות של החברה עצמה, שטרם נבחנו באופן בלתי תלוי.

ומה עם ההזיות?

ברשת הופצה הטענה ששיעור ההזיות של Jev נמוך בהרבה מזה של מודלי שפה רגילים, אך בדיווח של The Register לא מופיעים נתונים כאלה, ולכן יש להתייחס אליה כדיווח לא-מאומת. עם זאת, ההיגיון מאחורי הגישה ברור: מודל שמוגבל מראש לסט תשובות סגור ומצרף לכל תשובה הסתברות, פשוט אינו יכול "להמציא" מחלקה שלא קיימת. ככל הנראה כאן טמון היתרון המעשי, ולא בהכרח באינטליגנציה גבוהה יותר.

למה זה חשוב

כפי שמציין הדיווח, גם היום אפשר לעטוף מודלים כמו ChatGPT או Claude בקוד שמצמצם את התשובות לסט מוגבל. החידוש של Jev הוא לא ביכולת עצמה אלא ביעילות: מודל שנבנה מלכתחילה עבור מכונות, ללא עלות הטקסט וללא זמן ההמתנה. אם הטענות יתאמתו, המשמעות היא שחברות יוכלו להכניס AI לצמתי החלטה רבים בתהליכים העסקיים שלהן — מיון פניות, ניתוב, דירוג — במחיר ובמהירות שלא היו אפשריים עם LLM כללי. זהו גם סימן לכיוון רחב יותר בתעשייה: לצד מודלי הצ'אט הגדולים, נפתח שוק למודלים ייעודיים שהלקוח שלהם הוא תוכנה, לא אדם.